复合深度神经网络在直升机声目标识别中的研究

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2022-01-02

-->

郭洋,周翊,管鲁阳,鲍明.复合深度神经网络在直升机声目标识别中的研究[J].,2019,38(1):8-15

复合深度神经网络在直升机声目标识别中的研究

Research on combined deep neural network in acoustic helicopter target recognition

投稿时间：2018-05-03修订日期：2018-12-26

中文摘要:

针对直升机探测中目标运动过程连续识别的鲁棒性问题,提出了一种基于复合深度神经网络的直升机声学特征提取和识别框架。复合深度神经网络由卷积神经网络和长短时记忆神经网络以并行结构组合,进行直升机声学特征的优化,完成直升机类型识别。针对直升机声信号特性,对卷积神经网络进行了改进,使得该复合深度神经网络在信号短时谱基础上优化声信号特征表征并提取前后帧之间的相关信息,弥补通常声目标识别方法不能充分利用目标信号时间历程信息的缺陷。真实外场实验数据测试结果显示：相较于传统识别方法,该算法显著提升了直升机进入有效探测范围后连续识别的鲁棒性和目标识别正确率。

英文摘要:

To improve the performance of continuous recognition of acoustic targets, a novel combined deep neural network was proposed to extract features and recognize helicopters. In the framework of the combined deep neural network, a modified convolutional neural network and a long short-term memory neural network were combined primarily in a parallel manner to optimize the representation of helicopter’s acoustic characteristics and implement helicopter type recognition. The optimized feature pattern extracted by the combined deep neural network included the current spectral characteristics and time series information hidden in the input short-term spectrum. It was designed to overcome the lack of time information of the target signal in the conventional acoustic target recognition methods. The proposed method was tested using the real helicopter acoustic signals from the field experiments. The results indicated that the proposed combined deep neural network significantly improves the recognition accuracy and the robustness of the continuous acoustic target recognition when the target is within the detection range.

DOI：10.11684/j.issn.1000-310X.2019.01.002

中文关键词:深度神经网络,声目标识别,直升机识别

英文关键词:Deep neural network, Acoustic target recognition, Helicopter recognition

基金项目:

作者	单位	E-mail
郭洋	中国科学院噪声与振动重点实验室重庆邮电大学	804870314@qq.com
周翊	重庆邮电大学	2630069058@qq.com
管鲁阳	中国科学院噪声与振动重点实验室	guanluyang@mail.ioa.ac.cn
鲍明	中国科学院噪声与振动重点实验室	baoming@mail.ioa.ac.cn

摘要点击次数:1241

全文下载次数:965

查看全文查看/发表评论下载PDF阅读器

相关话题/中国科学院 信号 重庆邮电大学 声学 优化

领限时大额优惠券,享本站正版考研考试资料!
优惠券领取后72小时内有效，10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材，产品类型包含电子书、题库、全套资料以及视频，无论您是考研复习、考证刷题，还是考前冲刺等，不同类型的产品可满足您学习上的不同需求。 ...
考试优惠券本站小编 Free壹佰分学习网 2022-09-19
利用混合FE-SEA方法的前围隔声性能优化设计*
唐荣江,李申芳,郑伟光,童浙,黄莉.利用混合FE-SEA方法的前围隔声性能优化设计*[J].,2019,38(1):22-28利用混合FE-SEA方法的前围隔声性能优化设计*Optimizationdesignofsoundinsulationpropertyinfrontwallusinghybr ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
基于变换声学的角反射器的设计*
毕亚峰,贾晗,杨军.基于变换声学的角反射器的设计*[J].,2019,38(1):52-57基于变换声学的角反射器的设计*Thedesignofacousticalcornerreflectorbasedontransformationacoustics投稿时间：2018-03-17修订日期：201 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
金属材料疲劳损伤检测的非线性声学方法*
吕文瀚,吴先梅,陈家熠.金属材料疲劳损伤检测的非线性声学方法*[J].,2018,37(6):874-881金属材料疲劳损伤检测的非线性声学方法*Nonlinearacousticmethodfordetectingfatigueinmetalmaterials投稿时间：2018-03-09修订日期 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
基于集合卡尔曼变换的东中国海声学敏感区判定方法*
崔宝龙,笪良龙,过武宏.基于集合卡尔曼变换的东中国海声学敏感区判定方法*[J].,2018,37(6):895-903基于集合卡尔曼变换的东中国海声学敏感区判定方法*IdentifyingacousticsensitiveareaoftheEastChinaSeabasedonensembletra ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
滚动轴承声信号特征提取和诊断试验研究
余永增.滚动轴承声信号特征提取和诊断试验研究[J].,2018,37(6):889-894滚动轴承声信号特征提取和诊断试验研究Experimentalresearchonfeatureextractionanddiagnosticsforacousticemissionsignalsofrollin ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
基于散射矩阵法的飞机壁板声学优化设计
胡莹,李晨曦,何立燕.基于散射矩阵法的飞机壁板声学优化设计[J].,2018,37(6):916-926基于散射矩阵法的飞机壁板声学优化设计Acousticoptimizationdesignofaircraftpanelbasedonscattering-matrixmethod投稿时间：2017 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
《应用声学》2018年总目次
.《应用声学》2018年总目次[J].,2018,37(6):971-978《应用声学》2018年总目次ContentsofJOURNALofAPPLIEDACOUSTICS,Vol.37,2018投稿时间：2018-11-28修订日期：2018-11-28中文摘要:《应用声学》2018年总目次英文 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
基于相位调控的超高透射声学超表面及其应用*
田野,左淑毓,程营,刘晓峻.基于相位调控的超高透射声学超表面及其应用*[J].,2018,37(5):691-700基于相位调控的超高透射声学超表面及其应用*Phase-controlledacousticmetasurfacewithhighefficiencyanditsapplications ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
阵元固体指向性补偿对超声全聚焦成像的优化研究*
王冲,毛捷,廉国选.阵元固体指向性补偿对超声全聚焦成像的优化研究*[J].,2018,37(5):732-737阵元固体指向性补偿对超声全聚焦成像的优化研究*Theoptimizationforultrasonictotalfocusingmethodofsoliddirectivitycompen ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
钹型换能器的优化设计*
刘金河,林书玉.钹型换能器的优化设计*[J].,2018,37(5):765-771钹型换能器的优化设计*Optimizationdesignofcymbaltransducer投稿时间：2018-06-28修订日期：2018-09-05中文摘要:本文研究的钹型换能器,是由一个压电陶瓷圆环和一个金属 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02